为什么要学 Python

Python 不是"最完美的语言"，但对 0 基础的人来说，它是最不挡路的语言。

几个事实：

  • 语法接近自然英语（if x > 0: 读起来就是"如果 x 大于 0"）
  • 装好解释器后第一行代码就能跑（print("hello") 一秒出结果）
  • 库生态丰富：爬虫、自动化、数据分析、AI、网页后端，几乎所有方向都有现成的轮子
  • 社区对新人友好，搜问题时答案多

反过来，什么人不适合先学 Python？

  • 想要"学一门语言搞定所有底层问题"的人 —— Python 偏应用，底层还得靠 C/C++/Rust
  • 完全不想碰英文的人 —— Python 的错误信息、文档、库名几乎全是英文。会用翻译工具 + 看懂简单报错，是 0 基础学 Python 的隐形门槛

如果你能接受"会一点点英文 + 用翻译工具读文档"，Python 是最稳的起点。

学习路线：4 个阶段

我把 0 基础到"能独立做小项目"分成 4 个阶段。每个阶段都给出最小必学清单和一个能交付的小练习。

阶段 1：语法入门（2-3 周）

学什么：

  • 变量、数据类型（整数/字符串/列表/字典）
  • 条件判断（if/elif/else）
  • 循环（for/while）
  • 函数（def、参数、返回值）
  • 文件读写（open/read/write）
  • 基础异常处理（try/except）

不需要学：

  • 面向对象（class/继承）—— 第 1 阶段碰它会让你卡住
  • 装饰器、生成器、上下文管理器 —— 这些是进阶内容
  • 任何框架（Django/Flask/FastAPI）—— 你语法都没熟，框架就是空中楼阁

怎么学：

任选一个，不要纠结"哪个教程最好"：

  • 官方教程（docs.python.org/zh-cn/3/tutorial）—— 最权威，但偏干
  • 《Python 编程：从入门到实践》—— 最经典的纸质书，例子多
  • 莫烦 Python（mofanpy.com）—— 视频，节奏适合完全没接触过编程的人
  • 《Automate the Boring Stuff with Python》—— 英文但有中文翻译版，每章都有"小脚本能解决实际问题"

阶段 1 的检验标准：

能不看书写出一个"通讯录管理"的小脚本： - 用字典存人名和电话 - 支持添加、查找、删除、列出全部 - 数据存到本地文件，下次打开还在

写不出来就回头补。写出来了就进入阶段 2。

阶段 2：常用标准库（2-3 周）

很多人学了语法就停了，结果什么都做不了 —— 因为标准库不熟。

这一阶段的目标是：遇到问题知道去哪个库找。

必学的 8 个库：

库 用途 一个最小例子
os / pathlib 文件路径、目录操作 列出某目录下所有 .txt 文件
json 读写 JSON 数据 把字典保存到文件并读回来
csv 读写表格数据 解析一份销售记录 CSV
re 正则表达式 从一段文本里提取所有邮箱
datetime 时间和日期 计算两个日期相差多少天
collections 高级数据结构 用 Counter 统计单词出现次数
itertools 迭代器工具 生成所有 2 个字母的排列
sys / argparse 命令行参数 写个接受文件路径作为参数的小工具

学法：不要"系统学"，选 3-4 个你工作中可能用得到的，做小项目时边用边学。

阶段 2 的检验标准：

能写出一个"日志分析小工具"： - 读一个 Web 服务器的 access.log - 统计访问量最高的 10 个 IP - 把结果输出到 CSV - 命令行接收日志文件路径作为参数

这个练习会自然用到 collections.Counter + csv + argparse，是阶段 2 最合适的"毕业设计"。

阶段 3：第三方库 + 真实问题（4-6 周）

语法和标准库熟了就该做真东西了。这一阶段选一个你工作或生活中真实的问题，用 Python 解决它。

几个常见方向（选一个，不要全选）：

方向 A：办公自动化

  • 库：openpyxl（Excel）、python-docx（Word）、pypdf（PDF）、Pillow（图片）
  • 适合：行政、财务、运营
  • 项目例子：批量把 100 个 Excel 的某列汇总成一个总表

方向 B：爬虫 + 数据采集

  • 库：requests（HTTP）、BeautifulSoup（HTML 解析）、playwright（浏览器自动化）
  • 适合：研究、市场、运营
  • 项目例子：每天抓某个电商网站的商品价格，降价时邮件通知

方向 C：数据分析

  • 库：pandas（数据处理）、matplotlib（画图）、seaborn（更漂亮的图）
  • 适合：产品、研究、运营
  • 项目例子：分析你过去 1 年的消费记录 CSV，画出每月支出趋势

方向 D：Web 后端

  • 库：Flask 或 FastAPI
  • 适合：想做独立产品的人
  • 项目例子：做一个"每日一句名言"的 API，别人可以 HTTP 请求获取

方向 E：自动化运维

  • 库：paramiko（SSH）、fabric（远程命令）
  • 适合：运维、DevOps
  • 项目例子：一键部署脚本，连上 5 台服务器跑同样命令

学法：

每个方向都遵循同样的循环： 1. 找到真实痛点（工作中重复做的事） 2. 搜"Python 怎么 XXX" 3. 抄最简单能跑的代码 4. 改成自己需要的 5. 跑起来，能用就 OK

别追求"学完再动手" —— Python 的第三方库更新很快，文档可能滞后，最快的学习就是带着问题看文档。

阶段 4：工程化习惯（持续）

能"写出来"和"写得专业"是两件事。这一阶段不是必须的，但如果你想找开发相关的工作，这些习惯比语法更重要：

  • 虚拟环境：用 uv 或 venv 给每个项目隔离依赖
  • 代码风格：装 ruff 或 black，保存时自动格式化
  • 类型提示：函数参数加 : int、返回值加 -> str，让编辑器能提示错误
  • Git：每个项目一个 Git 仓库，哪怕只是自己用
  • 测试：用 pytest 写几个测试，关键函数跑一次确认没坏
  • 文档：写一个 README.md，告诉别人（和 3 个月后的自己）怎么跑这个项目

学法：不要单独花时间学这些。每个项目都顺手加一点，半年后你自然就养成了。

5 个常见误区（先别碰）

0 基础学 Python 最浪费时间的事：

  1. 纠结"哪个 IDE 最好" —— 用 VS Code 就行，PyCharm 强大但对新手过载。前 3 个月不要花超过 10 分钟在编辑器选择上
  2. 在 Notion/语雀/飞书文档上做笔记学了 1 个月 —— Python 是要跑的，不是要看的。每天必须写代码
  3. 学完基础语法才做项目 —— 第 1 阶段结束就可以做迷你项目（通讯录、计算器），不要等"学完"
  4. 追新框架 / 新特性 —— Python 3.10+ 的 match-case 很好，但 0 基础先掌握 if/elif/else 再说
  5. 看视频看了 50 小时没写一行代码 —— 视频是被动输入，写代码才是主动学习。比例至少 1:3（1 小时视频 + 3 小时写代码）

工具选择：2026 年的最小环境

Python 版本管理：

推荐用 uv（https://github.com/astral-sh/uv）。它是 2024 年开始流行的 Rust 写的工具，比传统的 pyenv + pip + venv 快 10-100 倍。

# 装 uv（macOS/Linux）
          curl -LsSf https://astral.sh/uv/install.sh | sh
          
          # 创建一个新项目
          uv init my-project
          cd my-project
          uv add requests
          uv run python main.py

如果不想用 uv，传统组合是 pyenv（管理 Python 版本）+ venv（项目隔离）+ pip（装库）。能用，但繁琐。

编辑器：

  • VS Code（推荐）—— 装 Python 扩展 + Pylance 扩展就够用
  • PyCharm Community（免费）—— 功能最强，但启动慢、对电脑配置要求高
  • Vim/Neovim —— 装 pyright + 配置 LSP，效率最高但学习曲线陡

终端：

  • macOS 自带 Terminal 或 iTerm2
  • Windows 用 Windows Terminal + WSL2（不要用 cmd）
  • Linux 用系统自带的 bash/zsh

30 天起步计划

如果你想这个月就开始，按这个表走：

第 1 周（语法入门）

  • Day 1-2：装 Python、装编辑器、跑 print("hello world")
  • Day 3-4：变量 + 数据类型 + 基础运算（写 20 个小程序）
  • Day 5-6：条件判断 + 循环（写一个猜数字游戏）
  • Day 7：函数（写一个能重复用的计算器）

第 2 周（语法进阶）

  • Day 8-9：列表/字典/集合的常用操作
  • Day 10-11：文件读写 + 异常处理
  • Day 12-13：阶段 1 检验：写通讯录管理脚本
  • Day 14：复盘 + 找阶段 2 的真实需求

第 3 周（标准库）

  • Day 15-17：os + pathlib + json（做一个"备份重要文件到 JSON"的小工具）
  • Day 18-20：csv + collections + argparse（做日志分析工具）
  • Day 21-22：re（做一个从文本提取信息的脚本，比如从简历文本里提取邮箱和电话）

第 4 周（第一个真实项目）

  • Day 23-24：选方向（办公自动化/爬虫/数据分析/Web，4 选 1）
  • Day 25-27：装第三方库、抄示例代码、跑通最小版本
  • Day 28-29：改成自己需要的、加异常处理
  • Day 30：写一个 README.md，发到 GitHub，给朋友/同事用一次

30 天后：

  • 你会有一个可展示的项目（GitHub 链接）
  • 你会熟悉 5-8 个常用库
  • 你会有"遇到问题知道去哪查"的能力
  • 接下来就是做更多项目的循环

心态：别追求"学完"

最后一条，也是最重要的一条。

Python 永远学不完。每年都有新库、新框架、新特性。如果你的目标是"把 Python 学完再开始做东西"，你会一直卡在"学习"状态，永远到不了"做东西"。

正确的目标是：

每个阶段都做出一个能跑的东西，然后进入下一个阶段。

语法阶段做出通讯录，标准库阶段做出日志分析，第三方库阶段做出自动化工具，工程化阶段把项目发布到 GitHub。

学 Python 不是为了"会 Python"，是为了"用 Python 解决我的问题"。

当你用 Python 帮你节省了第一个 5 分钟（写了个小脚本把每周重复的事自动化了），你就真的"学会"了。

资源清单（精选）

不堆链接，列我自己用过且推荐的：

入门：

  • 《Python 编程：从入门到实践》—— 纸质书最稳
  • 莫烦 Python 视频（mofanpy.com）—— 完全 0 基础友好
  • 官方中文教程（docs.python.org/zh-cn/3/tutorial）

实战：

  • 《Automate the Boring Stuff with Python》（中文版《Python编程快速上手》）—— 自动化场景最全
  • Real Python（realpython.com）—— 英文但内容极扎实，按主题搜索
  • Kaggle Learn（kaggle.com/learn）—— 数据分析方向最好的免费课

工具：

  • uv —— 2026 年最值得装的 Python 工具
  • VS Code + Python 扩展 —— 编辑器首选
  • ruff —— 最快的 Python 代码检查器

避坑：

  • 不要先学 Python 2
  • 不要在没装过 Python 的电脑上跟教程"配置环境"花 3 天
  • 不要追新特性（match-case、海象运算符等）

写在最后

如果你正在犹豫"现在学 Python 还来得及吗"——

答案是：来得及，但别再犹豫了。

打开电脑，装 Python，写 print("hello world")。

这是第 1 步，也是最难的 1 步。后面的 99 步，按这个路线图走就行。

30 天后回来告诉我你做出了什么。